matlab 四维矩阵如何理解（脑电信号分析）

最新推荐文章于 2024-07-23 11:46:27 发布

脑电信号要分类

最新推荐文章于 2024-07-23 11:46:27 发布

阅读量6.4k

点赞数 4

文章标签： matlab python 信号处理

本文链接：https://blog.csdn.net/haojun1996/article/details/124035436

版权

首先创建4个矩阵

a = [1,1;1,1];
b = [2,2;2,2];
c = [3,3;3,3];
d = [4,4;4,4];
e = [5,5;5,5];

给data矩阵（4-D）赋值a,b

data(:,:,1,1) = a;
data(:,:,2,1) = b;

此时在变量里看到data是一个2×2×2矩阵，其中（1，1）位置放的是a矩阵，（2，1）放的是b矩阵

将data矩阵变成4维

data(:,:,1,2) = c;

此时可以发现，当把c矩阵赋值给data(:,:,1,2)的位置时，data就变成了4-D

接下来把矩阵d复制到data(:,:,2,2)的位置

data(:,:,2,2) = d;

此时矩阵data中的位置分布如下：
data矩阵的分布
如此类推，接下来把剩下的e矩阵插入到data(:,:,3,1)
在这里插入图片描述
data矩阵就变成这样，就是说我们在data中（3，1）的位置赋值，而（3，2）的位置又不能空着，matlab会默认补上一个2×2的零矩阵。

那么，接下来测试一下我们上面的结论对不对。

f = [6,6;6,6];
data(:,:,3,2) = f ;

创建一个f矩阵，再把f矩阵赋值给data中（3，2）的位置，matlab反馈如下：
在这里插入图片描述
即我们以上的结论是正确的。

有了正确的理解4-D矩阵的情况下，接下来以SSVEP脑电数据来结合理解：

2021年BCI脑机接口比赛是在python环境下进行的，拿到的脑电信号数据格式是.pkl ,而我是在matlab下做分析的，因此我要将python下的存储格式转换到matlab上，这一过程也花了不少时间去学习如何弄。

import os
import pickle
from scipy import signal
from scipy.io import savemat
os.system('cls')
for name_i in range(1,5):
    for block_i in range(1,4):
        filename = 'F:/user/SSVEP/S'+str(name_i)+'/block'+str(block_i)+'.pkl'
        fr = open(filename, "rb")
        EEG = pickle.load(fr)
        MatlabFileName = 'F:\user\SSVEP\S'+str(name_i)+'/block'+str(block_i)+'.mat'
        savemat(MatlabFileName, EEG)
        print('name_i : %d , block_i : %d' % (name_i,block_i) )

接下来要在matlab下处理脑电数据：

实验范式：
实验范式为键盘拼写，刺激包含40个目标（包括数字0-9、字母A-Z、“，”、“.”、空格和退格），刺激频率分别为8~15.8Hz，频率间隔0.2Hz，相邻频率之间相位差0.5π，具体如图1及表1所示。实验中，固定频率、相位的刺激通过对屏幕上每个目标亮度的正弦调制实现（亮度范围：0-255）。每个试次包含提示1秒，刺激4秒，反馈1秒。一个block共40个试次，每次实验共6个block用于测试。测试数据中每个block随机删除2个trial，保留38个trial。被试视力或矫正视力正常，在实验过程中被要求集中注意力，刺激时注视提示的目标。实验中各个试次使用光trigger进行同步，trigger标记在每个刺激开始时刻。

重点：采样率250Hz，每个被试有6个block，每个block有40个trial，脑电数据为二维数据（通道×采样点）
给刚刚处理好的数据做整合：

clear
clc
%% data processing
% load data
TrialTime = 6;
fs =250;
for name_i = 1:4
    for block_i = 1:3
        filename = ['F:\BCI\CCA+DW_Project\CompetitionData\','S',num2str(name_i),'\block',num2str(block_i),'.mat'];
        load(filename)
        labelIndex =  find((data(9,:)>0 & data(9,:)<41));
        for index = 1:40
            eeg(:,:,index,block_i) = data(1:8 ,labelIndex(index):labelIndex(index)+ fs * TrialTime - 1 );
        end
        label(block_i,:) = data(9,labelIndex)
    end
    newfilename = ['F:\user\CompetitionData\','S',num2str(name_i),'\S',num2str(name_i),'.mat']
    save(newfilename,'eeg','label')
end

以上我把一个被试的脑电数据（channel * point * trial * block）结合在了一个4-D的eeg矩阵里。
比如说我要区第一个block的数据，输入命令eeg(:,:,:,1)即可得到ans为8150040的矩阵，如果再想用一个block里取第一个trial的数据，输入命令ans(:,:,1)即可。

也可以一步到位eeg(:,:,1,1)，以此类推，取第三个block，第35个trial为eeg(:,:,35,1)

换句话说，第三维和第四维可以这么理解成一个二维矩阵：
在这里插入图片描述